利用深度卷积神经网络识别历史地图中的湿地区域
机器学习
2021-08-10 v1 人工智能
摘要
1）过去一百年来，当地环境与土地利用发生了巨大变化。历史文献与资料对于理解和追踪这些变化至关重要。因此，历史文献是理解土地利用变化影响与后果的重要一环。这反过来对于寻找可实施的修复项目十分重要，这些项目旨在扭转并减少源于土地利用变化的有害和不可持续影响。2）本工作从手绘地图中提取关于湿地历史位置和地理分布的信息。这是通过深度学习（DL），更具体地说是卷积神经网络（CNN）实现的。该CNN模型在瑞典延雪平郡历史湿地的手动预标注数据集上训练。这些均提取自名为“Generalstabskartan”的历史地图。3）所提出的CNN表现良好，在使用数据的10折交叉验证评估时取得了0.886的分数。训练好的模型还被用于生成Generalstabskartan南部合集（覆盖瑞典南半部）所描绘区域的疑似历史湿地地理分布的GIS图层。该GIS图层作为开放资源发布，可免费使用。4）总之，所呈现的结果表明CNN可作为从历史文档（如历史地图）中提取和数字化非文本信息的有用工具。本研究生成了可用于进一步理解过去土地利用变化的现代GIS资料。
引用
@article{arxiv.2108.04107,
title = {Identifying Wetland Areas in Historical Maps using Deep Convolutional Neural Networks},
author = {Niclas Ståhl and Lisa Weimann},
journal= {arXiv preprint arXiv:2108.04107},
year = {2021}
}